本发明属于计算模型，尤其是涉及一种感潮河段分层流速预报方法、装置、终端及存储介质。
背景技术：
1、感潮河段内河沉管施工中，需根据现有历史资料推算工程处历年流速过程，并且根据流速过程选择合适的施工期，推算施工期需要十几年的流速数据。施工过程中需要预测未来几天的流速大小，为施工船舶提供流速预警，并给出河道中流速分布范围，为船舶提供避险区域划分。
2、现有申请号为202410018108.7的中国发明专利公开了一种感潮河流水文数据的处理方法及系统。所述方法包括以下步骤：对感潮河流进行实时水文数据收集，从而获取实时感潮河流水文数据，其中实时感潮河流水文数据包括潮位数据、潮流数据以及河流浊度数据，其中河流浊度数据包括感潮河流上、中、下游各河段对应断面的多垂线河流浊度数据；对潮位数据进行合理性校验，从而获取第一潮位过程线数据；构建自适应卡尔曼预测模型，利用自适应卡尔曼预测模型对第一潮位过程线数据进行差值补档，从而获取第二潮位过程线数据。本发明提供了准确的感潮河流水文数据，并生成水文数据分析报告，为感潮河流的管理和保护提供重要支持。
3、但现有感潮河流水文数据预测模型，普遍缺乏对感潮河段内分层流速的预测能力，而分层流速对于施工船舶施工安全性的影响又较为重要，为了提高施工船舶施工的安全性，或为船舶提供避险区域划分，需要预测模型给出河道中流速分布范围预测。
技术实现思路
1、有鉴于此，本发明旨在提出一种感潮河段分层流速预报方法、装置、终端及存储介质，以解决现有感潮河流水文数据预测模型，缺乏对感潮河段内分层流速的预测能力，影响施工船舶施工安全性的问题。
2、为达到上述目的，本发明的技术方案是这样实现的：
3、第一方面，本发明提供了一种感潮河段分层流速预报方法，包括：
4、获取历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，并根据所述历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，利用二维河道数字模型推算工程处流量过程，得到历年实测工程处平均流速结果；
5、构建平均流速预报模型，并利用所述历年实测工程处水位数据、以及所述历年实测工程处平均流速结果对所述平均流速预报模型进行训练，得到训练完成的平均流速预报模型；
6、利用三维河道数学模型的流速分层比结合所述历年实测工程处平均流速结果反推长序列分层流速，得到历年工程处分层流速结果；
7、构建分层比卷积预测模型，并利用所述历年工程处分层流速结果、以及历年实测工程处水位数据对所述分层比卷积预测模型进行多通道数据训练，得到训练完成的分层比卷积预测模型；
8、利用训练完成的水位预报模型，预测得到预设预见期内工程处的水位过程数据；
9、将所述预设预见期内工程处的水位过程数据输入所述训练完成的平均流速预报模型，预测得到预设预见期内工程处所有数模空间离散点的流速过程数据，并结合工程处的地形数据求解各个所述数模空间离散点的水深数据；
10、将所述预设预见期内工程处所有数模空间离散点的流速过程数据输入所述训练完成的分层比卷积预测模型，推算得到预设预见期内流速分层比预测结果；
11、基于所述预设预见期内流速分层比预测结果，对所述预设预见期内工程处所有数模空间离散点的流速过程数据进行放缩，得到预设预见期内工程处的多点流速预报结果。
12、进一步的，所述获取历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，并根据所述历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，利用二维河道数字模型推算工程处流量过程，得到历年实测工程处平均流速结果，包括：
13、获取至少一万条历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，并选取特征年份内极高和极低水位过程对应的工程处流速数据、水位数据、以及工程处上下游河道地形数据，得到初步数据；
14、对所述初步数据进行校核，基于数据的时段性求解相邻1、2、3个时段初步数据的方差，剔除方差超过预设阈值的初步数据，得到历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据；
15、根据所述历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，利用二维河道数字模型推算工程处流量过程，得到历年实测工程处平均流速结果。
16、进一步的，所述二维河道数字模型中的工程处空间离散尺度不小于地形变化尺度，二维河道数字模型中的上游水位边界、下游水位边界均与预报区保持距离；其中，上游水位边界需使用实测工程处流速数据和水位数据，结合推算的率定系数 k计算得到，下游水位边界需使用实测工程处水位数据作为下游水位边界；率定系数 k计算公式如下： q=kva， q为率定的流量， v为实测平均流速， a为断面面积。
17、进一步的，所述构建平均流速预报模型，并利用所述历年实测工程处水位数据、以及所述历年实测工程处平均流速结果对所述平均流速预报模型进行训练，得到训练完成的平均流速预报模型，包括：
18、基于机器学习模型，构建平均流速预报模型；
19、利用所述历年实测工程处水位数据中的水位、水位增长率作为特征，并利用所述历年实测工程处平均流速结果作为标签，对所述平均流速预报模型进行机器学习训练，得到训练完成的平均流速预报模型。
20、进一步的，所述构建分层比卷积预测模型，并利用所述历年工程处分层流速结果、以及历年实测工程处水位数据对所述分层比卷积预测模型进行多通道数据训练，得到训练完成的分层比卷积预测模型，包括：
21、基于densenet结构，构建囊括多个典型工况的分层比卷积预测模型；其中，所述分层比卷积预测模型包括输入层、中间层、过渡层、以及输出层，所述输入层采用conv+bn+relu层结构，中间层采用dense block层结构，并将dense block层结构中的卷积层数量设置为不同的值，过渡层采用conv+strided conv层结构，输出层采用globalmaxpool层结构；
22、利用所述历年工程处分层流速结果、以及历年实测工程处水位数据对所述分层比卷积预测模型进行多通道数据训练，得到训练完成的分层比卷积预测模型。
23、进一步的，所述利用所述历年工程处分层流速结果、以及历年实测工程处水位数据对所述分层比卷积预测模型进行多通道数据训练，得到训练完成的分层比卷积预测模型，包括：
24、基于所述历年工程处分层流速结果、以及历年实测工程处水位数据，获取四个通道的数据，即横向流速数据、纵向流速数据、水深数据、以及水面高程数据；
25、对所述四个通道的数据进行归一化处理，使其值域落在[0, 1]或[-1, 1]之间，得到数据集；
26、将所述数据集按预设比例划分为训练集、验证集以及测试集；
27、利用所述训练集、验证集以及测试集对所述分层比卷积预测模型进行训练，得到训练完成的分层比卷积预测模型。
28、进一步的，在所述基于所述预设预见期内流速分层比预测结果，对所述预设预见期内工程处所有数模空间离散点的流速过程数据进行放缩，得到预设预见期内工程处的多点流速预报结果之后，所述方法还包括：
29、根据所述预设预见期内工程处的多点流速预报结果，绘制流速分布等势线。
30、第二方面，本发明还提供了一种感潮河段分层流速预报装置，包括：
31、获取模块，用于获取历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，并根据所述历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，利用二维河道数字模型推算工程处流量过程，得到历年实测工程处平均流速结果；
32、第一构建模块，用于构建平均流速预报模型，并利用所述历年实测工程处水位数据、以及所述历年实测工程处平均流速结果对所述平均流速预报模型进行训练，得到训练完成的平均流速预报模型；
33、反推模块，用于利用三维河道数学模型的流速分层比结合所述历年实测工程处平均流速结果反推长序列分层流速，得到历年工程处分层流速结果；
34、第二构建模块，用于构建分层比卷积预测模型，并利用所述历年工程处分层流速结果、以及历年实测工程处水位数据对所述分层比卷积预测模型进行多通道数据训练，得到训练完成的分层比卷积预测模型；
35、推算模块，用于利用训练完成的水位预报模型，预测得到预设预见期内工程处的水位过程数据；
36、第一输入模块，用于将所述预设预见期内工程处的水位过程数据输入所述训练完成的平均流速预报模型，预测得到预设预见期内工程处所有数模空间离散点的流速过程数据，并结合工程处的地形数据求解各个所述数模空间离散点的水深数据；
37、第二输入模块，用于将所述预设预见期内工程处所有数模空间离散点的流速过程数据输入所述训练完成的分层比卷积预测模型，推算得到预设预见期内流速分层比预测结果；
38、预报模块，用于基于所述预设预见期内流速分层比预测结果，对所述预设预见期内工程处所有数模空间离散点的流速过程数据进行放缩，得到预设预见期内工程处的多点流速预报结果。
39、第三方面，本发明实施例还提供了一种终端，包括：
40、一个或多个处理器；
41、存储装置，用于存储一个或多个程序；
42、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述感潮河段分层流速预报方法。
43、第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述感潮河段分层流速预报方法。
44、相对于现有技术，本发明所述的一种感潮河段分层流速预报方法、装置、终端及存储介质具有以下优势：
45、（1）本发明所述的一种感潮河段分层流速预报方法、装置、终端及存储介质，在预报推算过程中，共嵌套运行了3类机器学习模型，在不同阶段求解不同的参数，最终预测了工程处流场分布，具有准确性高的优点，可准确预测感潮河段分层流速，有利于提高施工船舶的安全性。
46、（2）本发明所述的一种感潮河段分层流速预报方法、装置、终端及存储介质，通过分层比卷积预测模型，能快速将二维模型结果推算到三维，节约长序列推算时间，特别是对于需要推算河道工程指定流速下的多年施工期，具有良好的预报速度和预报效果。
47、（3）本发明所述的一种感潮河段分层流速预报方法、装置、终端及存储介质，通过设置平均流速预报模型，平均流速预报模型能通过实时水位过程推算工程出实时流速，结合分层比卷积预测模型，能提供船舶安全流速实时预警，有利于进一步提高船舶在施工过程中的安全性。
1.一种感潮河段分层流速预报方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，并根据所述历年实测工程处流速数据、水位数据、以及工程处上下游河道地形数据，利用二维河道数字模型推算工程处流量过程，得到历年实测工程处平均流速结果，包括：
3.根据权利要求2所述的方法，其特征在于：所述二维河道数字模型中的工程处空间离散尺度不小于地形变化尺度，二维河道数字模型中的上游水位边界、下游水位边界均与预报区保持距离；其中，上游水位边界需使用实测工程处流速数据和水位数据，结合推算的率定系数k计算得到，下游水位边界需使用实测工程处水位数据作为下游水位边界；率定系数k计算公式如下：q=kva，q为率定的流量，v为实测平均流速，a为断面面积。
4.根据权利要求1所述的方法，其特征在于，所述构建平均流速预报模型，并利用所述历年实测工程处水位数据、以及所述历年实测工程处平均流速结果对所述平均流速预报模型进行训练，得到训练完成的平均流速预报模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述构建分层比卷积预测模型，并利用所述历年工程处分层流速结果、以及历年实测工程处水位数据对所述分层比卷积预测模型进行多通道数据训练，得到训练完成的分层比卷积预测模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述利用所述历年工程处分层流速结果、以及历年实测工程处水位数据对所述分层比卷积预测模型进行多通道数据训练，得到训练完成的分层比卷积预测模型，包括：
7.根据权利要求1所述的方法，其特征在于，在所述基于所述预设预见期内流速分层比预测结果，对所述预设预见期内工程处所有数模空间离散点的流速过程数据进行放缩，得到预设预见期内工程处的多点流速预报结果之后，所述方法还包括：
8.一种感潮河段分层流速预报装置，其特征在于，包括：
9.一种终端，其特征在于，包括：
10.一种包含计算机可执行指令程序的存储介质，所述计算机可执行指令程序在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的感潮河段分层流速预报方法。
